作為對我學術部門朋友們的幫忙，我經常在位於英國劍橋的MRC認知與腦科學單元的 fMRI 掃描器中充當小白鼠。通常，當刺激物在我面前的小螢幕上閃爍，掃描器催眠般的高音調蜂鳴聲在我周圍迴盪時，我會努力對抗睡意。然而，這一次卻非常不同。這一次，我的同事馬丁·蒙蒂要讀取我的思想。當我躺著的床以機器人般的方式滑入掃描器巨大的甜甜圈形狀時，我有一種奇怪的感覺，覺得我即將精神裸露。
任務很簡單：在每次掃描中，馬丁會要求我或者想象自己在打網球，或者想象自己在房屋裡走動。這兩種心理任務啟用的區域與實際執行活動時非常相似——主要是網球的運動區域和在建築物周圍漫遊的導航區域。由於這兩種不同任務的腦部掃描看起來完全不同，馬丁將僅根據我的神經活動來猜測我的想法。當每次掃描完成後，馬丁準確地確定了我的想象內容時，這種體驗既令人興奮又令人不安。
2006年，同一部門的阿德里安·歐文已經使用類似的技術來證明，一名被診斷為持續植物人狀態的患者實際上是有意識的。不久的將來，應該甚至可以透過將“想象打網球”與“是”的答案聯絡起來，將“想象在建築物周圍移動”與“否”的答案聯絡起來，在沒有其他方法的情況下與此類患者進行交流。類似的方法也正在被用於訓練患有運動神經元疾病（也稱為肌萎縮側索硬化症或ALS）的患者，他們的運動功能正在緩慢衰退，透過思想控制通訊介面。
關於支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您正在幫助確保有關當今塑造我們世界的發現和想法的具有影響力的故事的未來。
這種科學心靈感應的壯舉在十年前是聞所未聞的。但現在，以各種形式，它正在接管該領域。是什麼導致了腦部掃描領域的如此革命？簡單的答案是，在過去的五年裡，許多研究人員分析腦部掃描資料的方式發生了根本性的轉變。
fMRI 資料集可能非常龐大。每個腦部活動影像中可能有 100,000 個 3D 畫素，稱為體素，每 2 秒拍攝一個新影像 - 最長可達一小時。然後，一項研究中將有大約 20 名受試者，這相當於可能總共有 40 億個不同的體素需要檢查。解決這個問題的傳統、常見方法是回到每個影像中 100,000 個體素中的一個，在受試者中的一個位置，並觀察它的活動是否會隨著時間的推移而上升或下降，與研究中的心理波動一致。
但最近一些科學家懷疑，以這種方式分析腦部掃描會浪費大量有用的資料，因為我們忽略了這些體素如何以活動模式協同工作來表示資訊。舊的、標準的、方法就像被遞交一張模糊的照片，並得出結論認為明亮的區域最重要，因為它們的光線最多。相反，新方法將檢視同一張照片，檢視紋理和對比度，以及形狀是如何構建的，然後才能識別出鼎盛時期的瑪麗蓮·夢露的描繪。
這種新的、靈敏得多的方法，被稱為多元模式分析 (MVPA)，實際上就像一種人工智慧。該程式將學習將某些心理事件與特定的腦活動模式聯絡起來，然後根據這些先前的經驗，對新的腦資料如何與心理狀態相關聯做出預測。正是這些預測現在使神經科學家有可能讀取思想。
早期的主要成功是在研究腦活動如何產生意識這一棘手、微妙的領域。如果使用一種叫做雙眼競爭的技術向每隻眼睛呈現競爭影像，我們一次只能有意識地感知一個影像，即使我們的眼睛正在觀看兩個影像。 Geraint Rees 和倫敦大學學院的同事透過 MVPA 證明，初級視覺皮層的活動模式與我們的意識影像關係不大，而是反映了來自眼睛的原始輸入。他們發現，要揭示真正反映意識的腦區，你必須集中在後期、更復雜的視覺區域。標準的腦成像分析方法根本沒有能力檢測到這樣的結果。
更令人好奇的是，Geraint Rees 和他的同事 John-Dylan Haynes 隨後進行了這些發現，他們使用以初級視覺皮層為中心的 MVPA 來解碼線條的方向，即使志願者完全沒有意識到這個視覺細節。同樣，這些結果描繪了我們的初級視覺皮層只不過是大腦對我們眼睛所見事物的複製品，這些資訊被分開，以便在後期的視覺腦區以更有趣、有意識的方式進行處理。
沒過多久，這些強大的 MVPA 方法就擴充套件到了遠離感知的領域。儘管使用 MVPA 來預測一個人何時說謊在道德上存在爭議，但另一個領域正在出現更為深刻的結果。去年，目前在柏林伯恩斯坦計算神經科學中心的John-Dylan Haynes 進行了一項非常簡單的任務——只需在 fMRI 掃描器中選擇按左鍵還是右鍵。當 Haynes 將他的 MVPA 演算法設定為學習哪些模式與此決定相對應時，令人驚訝的是，他在前額葉和頂葉皮層中發現了強烈的訊號，這些訊號早於志願者有意識地想要行動的時間長達 10 秒。這是否意味著我們沒有自由意志？或者自由意志只在更復雜的決策中才會起作用？在這些問題得到充分解答之前，還需要進行更多的研究。
許多 fMRI 研究的一個缺點是，刺激物過於人為，以至於限制了它們對現實世界的概括性。然而，由於 MVPA 方法的靈活性和強大功能增強，在掃描器中顯示任何舊照片或電影是完全可行的。例如，倫敦大學學院的 Eleanor Maguire 和同事最近結合使用 MVPA 和高解析度成像，將海馬體某些子區域的模式與自然影片的長期記憶獲取聯絡起來。
到目前為止，研究已經涉及使用演算法來猜測當呈現某種大腦模式時，少數幾種替代心理狀態中的一種。這與真正的讀腦術相去甚遠，真正的讀腦術只是簡單地檢視神經活動，就知道這個人正在想什麼，而沒有獲得可能性列表這一關鍵線索。然而，一個實驗室似乎越來越接近這個更令人印象深刻的目標。加利福尼亞大學伯克利分校的傑克·加蘭特去年發表了研究結果，表明他自己的模式識別程式可以猜測這個人剛剛看到的 1000 張圖片中的哪一張。在兩個月前的神經科學學會會議上，他展示的資料更進一步——實際上是從志願者觀看一系列電影預告片後的視覺皮層活動中重建志願者看到的東西。例如，當一個穿著白色襯衫的男人出現時，程式會吐出一個白色軀幹的輪廓。該資料尚未在同行評議的期刊上發表，重建工作還處於非常粗糙的階段，因此應該謹慎。但儘管如此，這種暫時的進展暗示了未來幾年令人興奮的可能性，例如能夠“讀取”犯罪證人的記憶或夢中的視覺意象。
然而，其他科學家對 MVPA 可能取得的進展持懷疑態度。儘管所有這些研究都證明了顯著的預測，但這通常意味著計算機的猜測僅僅略高於偶然性。例如，許多依賴 MVPA 在兩種選擇之間進行選擇的研究得分約為 60% 的準確率，而盲猜則會給出 50% 的準確率——這比偶然性有所提高，但幾乎不能算是心靈感應。儘管我在本文開頭提到的實驗更加穩健，部分原因是每次猜測的資料要多得多，但如果我惡作劇地想象打棒球而不是網球，或者在我童年的家周圍導航而不是現在的家，那麼預測程式和實驗者都不知道我違反了規則。
最後，fMRI 掃描器所拾取的是對神經活動非常嘈雜、間接的測量，這對其可能性造成了內在限制。但即使它是直接的，一個單獨的體素仍然代表數萬個神經元的集體活動。MRI 物理學的技術進步可能即將到來，從而可以進行更可靠、更高解析度的測量。在那之前，fMRI 透過模式分析，在探索大腦方面取得令人著迷的發現的能力正在蓬勃發展，即使真正的讀心術技術在很大程度上仍然屬於科幻小說的範疇。